С предыдущим и вероятностью
показывающим успехов в испытаниях, апостериорное распределение
(Это легко увидеть, если умножить ядра предшественников и вероятность получить ядро апостериорных.)U n i f( 0 , 1 ) ≡ B e t a ( α0= 1 , β0= 1 )Б я п о м (п,θ)ИксNB e t a ( αN= 1 + х ,βN= 1 + n - x ) .
Тогда средним
является μN= αNαN+ β= х +1n + 2,
В байесовском контексте лучше всего использовать терминологию апостериорное среднее . (Медиана апостериорного распределения и максимум его PDF также использовались для обобщения апостериорной информации.)
Примечания: (1) Здесь вы используете в качестве неинформативного предварительного распространения. Исходя из теоретических соображений, некоторые байесовские статистики предпочитают использовать Джеффри априор в качестве неинформативного априора. Тогда средним являетсяB e t a (1 , 1 ) B e t a ( 12, 12)μN= х + .5n + 1,
(2) При создании частых доверительных интервалов Агрести и Кулл предложили «добавить к выборке два успеха и два неудачи», чтобы получить доверительный интервал на основе оценки которая имеет более точные вероятности покрытия (чем традиционный интервал Вальда, использующийДэвид Мур назвал это оценкой плюс четыре в некоторых из своих широко используемых элементарных статистических текстов, а терминология использовалась другими. Я не удивлюсь, увидев вашу оценку под названием «плюс два» и Джеффриса «плюс один».п^= х + 2n + 4,п^знак равно хN) .
(3) Все эти оценки имеют эффект «сжатия оценки в сторону 1/2», поэтому их называют «оценками сжатия» (термин, который используется гораздо более широко, особенно в выводе Джеймса-Стейна). Смотрите ответ (+1) @Taylor.